Lautsprecher | Transkript |
| Carlos Ortega | Ja. Hallo und herzlich willkommen zu unserer Präsentation beim JMP Discovery Summit. |
| Natürlich hätten wir diesen Vortrag gerne persönlich gehalten, aber unter den aktuellen Umständen ist dies die beste Möglichkeit, unsere Art und Weise noch weiterzugeben |
| JMP in unserer täglichen Arbeit und wie es uns tatsächlich bei der alltäglicheren Arbeit hilft, wie wir unsere Daten überarbeiten können. Jedoch, |
| Die Präsentation auf diese Weise mit dem Video hat auch einen Vorteil für Sie als Zuschauer, denn ja, wenn Sie jetzt einen Kaffee trinken möchten, können Sie einfach auf Pause klicken und fortfahren, wenn der Kaffee fertig ist. |
| Aber wenn ich mir die Zeit ansehe, denke ich, dass der Gipfel gerade in vollem Gange ist. Und höchstwahrscheinlich haben Sie bereits einige spannende Vorträge gehört. |
| Wie JMP Ihnen dabei helfen kann, die Daten besser zu verstehen, sie zu lösen und mit statistischen Tools tiefere Einblicke zu gewinnen und tiefer in sie einzutauchen |
| weitere Teile Ihrer Daten. Was wir heute jedoch tun wollen (und das verbirgt sich auch unter dem Titel zur Datenqualitätssicherung), |
| die Skript-Engine. |
| Alles, was mit JSL-Scripting zu tun hat, weil wir helfen ... das hilft uns sehr bei unserer täglichen Arbeit, die Daten aufzubereiten, die dann für die Datenanalyse verwendet werden können, und damit meine ich |
| Carlos Ortega, Daria Otyuskaya und ich selbst, die ich jetzt ein wenig vorstellen möchte, denn ja, das dient dazu, ein etwas besseres Gefühl dafür zu bekommen, wer das tut. Aber natürlich gibt es wie immer welche |
| einige Regeln dazu, die sind |
| den Haftungsausschluss über die von uns verwendeten Daten. Und jetzt, wenn Sie Anwalt sind, werden Sie auf jeden Fall die Pause-Taste drücken, um dies im Detail zu studieren. Doch für alle anderen, die jetzt gerade dabei sind, lasst uns in die Präsentation eintauchen. |
| Und natürlich gibt es nichts Besseres, als mit einer kurzen Vorstellung der Menschen, die Sie sehen, zu beginnen. Sie sehen bereits den Standort. Wir alle haben eines gemeinsam: Amsterdam in den Niederlanden und wir alle haben gemeinsam, dass wir bei Avantium arbeiten. |
| Unternehmensanbieter für nachhaltige Technologien. Die verschiedenen Standorte, aus denen wir kommen, liegen jedoch auf der ganzen Welt. |
| Wir haben auf der einen Seite auf der linken Seite Carlos Ortega, einen Chemieingenieur aus Venezuela, der seit etwa sechs Jahren in Holland lebt und seit etwa zwei Jahren bei Avantium als Projektleiter und Dienstleistungen arbeitet. |
| Dann haben wir auf der rechten Seite Daria Otyuskaya aus Russland, die ebenfalls etwa zwei Jahre hier gearbeitet hat und die letzten fünf Jahre in den Benelux-Ländern verbracht hat |
| Bereich, in dem sie in Chemieingenieurwesen promovierte. Und ich selber. Der einzige Vorteil für mich ist, dass ich mit dem Auto nach Hause fahren kann, da ich aus Deutschland komme. Ich lebe seit etwa 10 Jahren in Holland und bin vor etwa drei Jahren zu Avantium gekommen. |
| Aber jetzt, |
| Lassen Sie uns etwas mehr über Avantium sprechen. Ich möchte nur kurz einige der Dinge darlegen, die wir tun. |
| Avantium ist, wie bereits erwähnt, Anbieter für nachhaltige Technologien und verfügt über drei Geschäftsbereiche. Eines davon ist Avantium Renewable Polymers, wo wir tatsächlich ein biologisch abbaubares Polymer namens PEF entwickeln, das hundertprozentig pflanzlich ist und recycelbar ist. |
| Zweitens haben wir eine Geschäftseinheit namens Avantium Renewable Chemistries, die erneuerbare Technologien zur Herstellung von Chemikalien wie MEG anbietet |
| oder Industriezucker aus Non-Food-Biomasse. Und nicht zuletzt eine sehr spannende Technologie, bei der wir CO2 aus der Luft mittels Elektrochemie in Chemikalien umwandeln. |
| Aber nicht zu viel über diese beiden Geschäftsbereiche zu sagen, denn Carlos, ich und Daria arbeiten alle in der Avantium Catalysis, die vor 20 Jahren gegründet wurde und immer noch die Grundlage ... das Fundament der technologischen Innovationen von Avantium ist. Wir stellen sie tatsächlich zur Verfügung |
| Wir sind ein Dienstleister, der die Forschung in Ihrem Unternehmen beschleunigt |
| Unternehmen in der Katalysatorenforschung, um genauer zu sein. Und wir bieten dort, wie Sie auf der rechten Seite sehen können, Systemdienstleistungen und einen Service namens Raffineriekatalysatortests an. Und was wir Unternehmen wirklich dabei helfen, die Forschung und Entwicklung weiterzuentwickeln, wie Sie unten sehen können. |
| Aber das ist genug von Avantium. Lassen Sie uns ein wenig darüber reden, wie wir entwickeln, wie wir in Projekten arbeiten und wie JMP uns dabei tatsächlich dabei helfen kann, die Sache zu beschleunigen und bessere Daten daraus zu gewinnen, was Carlos uns später in einer Demo vorführte. |
| Wie bereits erwähnt, sind wir ein Dienstleister und als Dienstleister bekommen wir |
| Es gibt viele Anfragen von Kunden, tatsächlich bessere Katalysatoren oder bessere Prozesse zu entwickeln. Und jetzt fragen Sie sich vielleicht: Was ist der Auslöser? |
| Ein Katalysator ist eigentlich ein Material, das an einer Reaktion teilnimmt, wenn man A in A umwandelt, aber bei einer Reaktion nicht verbraucht wird. |
| Das häufigste Beispiel für Menschen, die Sie in Ihrem täglichen Leben sehen können, ist beispielsweise der in Ihrem Auto eingebaute Abgaskatalysator, der sich dreht |
| Abgase aus Ihrem ... aus Ihrem Auto in CO2 und Wasser als Abgase umwandeln. |
| Und das sind Dinge, die wir als Anfragen bekommen. Die Leute kommen zu uns und sagen: „Oh, ich würde gerne ein neues Material entwickeln“ oder Dinge wie: „Ich habe diesen Prozess, und ich möchte damit kommen … meine Forschung beschleunigen und.“ |
| Entwickeln Sie dafür einen neuen Prozess.“ Und was sie dort nutzen, ist, dass wir, wenn wir ein Experiment in unserem Team haben, Experimente entwerfen von ... |
| Experimente entwerfen. Wir versuchen, die Tests dafür zu optimieren und verwenden ausschließlich JMP, aber darüber wollen wir heute nicht sprechen. |
| Denn wie ich bereits sagte, verwenden wir JMP auch, um unsere Daten tatsächlich zusammenzuführen, zu verarbeiten und einsatzbereit zu machen, also für die beiden Teile, die Sie unten in der Präsentation sehen. |
| Wir führen Forschungsprojekte für Kunden in unserem proprietären Tool namens Flowrence durch, wobei der Trick darin besteht, dass wir nicht experimentieren ... keine Tests nacheinander ausführen, sondern parallel ausführen. |
| Traditionell, ich meine, ich erinnere mich an meine Doktorarbeit, führte man einen Test mit einem Reaktor nach dem anderen, nach dem anderen, nach dem anderen durch. |
| Wir setzen jedoch bis zu 64 Reaktoren parallel ein, was die Ausführung anspruchsvoller macht, aber eine datengesteuerte Entscheidung ermöglicht. |
| Es ermöglicht tatsächlich, zuverlässigere Daten zu erstellen und sie statistisch signifikant zu machen. |
| Und dann melden wir diese Daten an unsere Kunden, die dann entweder ihre Tools mit ihren weiteren Erkenntnissen weiterverwenden oder sich ganz auf uns verlassen können |
| für die Ausführung dieser Daten und die Extraktion des Wissens. Aber ja, genug über das Unternehmen. Und jetzt übergebe ich an Carlos, der erklären wird, wie JMP und JMP-Skript uns tatsächlich dabei helfen, unser Leben deutlich einfacher zu machen. |
| Danke, Hendrik, für die nette Einleitung. Und vielen Dank auch an die Organisatoren für diese schöne Gelegenheit, am JMP Discovery Summit teilzunehmen. |
| Wie Hendrik bereits erwähnte, entwickeln und führen wir Forschungsprojekte für Dritte durch. Und wenn wir darüber nachdenken, |
| Wir müssen von der Versuchsplanung ausgehen (und das ist natürlich eine sehr leistungsstarke Funktion von JMP). |
| Aber wir müssen auch Informationen verwalten und in diesem Fall wollen wir uns, wie Hendrik bereits erwähnte, auf ein JSL-Skript konzentrieren, das uns eine einfache Handhabung von Informationen und eine nahtlose Integration von Prozessabläufen ermöglicht. |
| Ich bin Projektleiter in der Forschungs- und Entwicklungsabteilung und daher würde ein Tag ... ein ganz normaler Tag in meinem Leben hier in etwa so aussehen. Und so eine sehr vereinfachte Sichtweise. Du würdest haben |
| Kunden, die interessiert sind und eine Forschungsfrage haben, und ich entwerfen Experimente und wir führen diese in unserer eigenen proprietären Technologie namens Flowrence durch. |
| Vereinfacht gesagt werden die in der Flowrence-Einheit generierten Daten nach einigen Prüfungen und Interpretationen durch mich geleitet und an den Kunden zurückgesendet. Doch die Realität ist etwas komplexer und einerseits haben wir auch interne Kunden. |
| Das ist Teil von ... zum Beispiel unserem Entwicklungsteam ... dem Geschäftsentwicklungsteam. Und auf der anderen Seite haben wir auch eigene Mitarbeiter, die tatsächlich direkt mit der Einheit interagieren. Sie kontrollieren also, wie die Einheit funktioniert, und überwachen, dass alles nach Plan verläuft. |
| Und die Daten, wie Sie hier mit gestrichelten Linien sehen, können nicht direkt vom Gerät übernommen werden. Die Daten werden tatsächlich an ein Data Warehouse gesendet und dann benötigen wir eine Reihe von Tools |
| Dies ermöglicht es uns, zunächst Informationen abzurufen, Informationen aus verschiedenen Quellen zusammenzuführen, |
| Führen Sie eine Reihe von Aufgaben aus, die von der Bereinigung über die Verarbeitung bis zur Visualisierung von Informationen reichen. Schließlich exportieren wir diese Daten an den Kunden, damit dieser die Informationen erhalten kann, die er tatsächlich benötigt und die für ihn am relevantesten sind. |
| Wenn Sie mir erlauben, mich eine Sekunde lang auf diese verschiedenen Aufgaben zu konzentrieren, haben wir beim Abrufen zunächst Folgendes beobachtet: eine Zusammenführung |
| dass Daten tatsächlich aus verschiedenen Quellen stammen können. Im Data Warehouse sammeln wir also tatsächlich Daten von der Einheit in Florenz. |
| Wir sammeln aber auch Daten vom Analysegerät. Wenn Sie also Tests in einem Labor durchführen, sind Sie möglicherweise beispielsweise mit Massenspektrometrie oder Gaschromatographie vertraut, und wir sammeln auch Daten zur Geräteleistung. Deshalb überprüfen wir auch, ob das Gerät vorhanden ist |
| verhält sich wie erwartet. |
| In ... wie in jedem Labor hätten wir auch manuelle Eingaben. Und das können zum Beispiel Informationen zu den Katalysatoren sein, die wir testen, oder die Kalibrierung der Analysegeräte. |
| Diese manuellen Eingaben werden natürlich immer in einem Laborbuch gespeichert, aber wir binden diese Informationen auch in eine Excel-Datei ein. Und hier ist JMP tatsächlich |
| Sie helfen uns dabei, den Informationsfluss auf die nächste Ebene zu heben. Was wir also entwickelt haben, ist eine Kombination aus einer benutzerfreundlichen, weithin bekannten Excel-Datei mit |
| leistungsstarke Funktionen aus einem JSL-Skript. Und wir beziehen nicht nur manuelle Daten ein, die in Labornotizbüchern verfügbar sind, sondern wir integrieren sie auch in diese Excel-Datei |
| Formeln, die dann vom JSL-Skript interpretiert und ausgeführt werden. Dadurch können wir die wichtigsten Leistungsparameter berechnen |
| maßgeschneidert oder speziell für verschiedene Kunden geeignet. |
| Wenn wir schauen |
| Wenn Sie sich das JSL-Skript genauer ansehen und gleich auf eine Demo eingehen, werden Sie feststellen, dass das JSL-Skript drei Hauptabschnitte hat. |
| Ein Abschnitt bereitet die lokale Umgebung vor. Einerseits würden wir also sagen, dass wir alle Symbole löschen und Tabellen schließen möchten, aber die wahrscheinlich wichtigste Funktion ist, wann wir |
| Definieren Sie „Namen standardmäßig hier“. Das würde es uns also tatsächlich ermöglichen, parallele Scrapes auszuführen, ohne dass es zu Interferenzen zwischen Variablen kommt, die in verschiedenen Skripten den gleichen Namen haben. |
| Dann haben wir einen Abschnitt, der in diesem Fall reduziert ist, damit wir ihn tatsächlich anzeigen können, der eine grafische Benutzeroberfläche erstellt. Und dann interagiert der Benutzer nicht mit dem Skript selbst, sondern arbeitet tatsächlich über eine einfache grafische Benutzeroberfläche mit beschreibenden Schaltflächen |
| Schaltflächennamen. |
| Und dann haben wir eine Reihe von |
| Aufgaben, die bereits im Skript codiert sind. In diesem Fall liegen sie in Form von Ausdrücken vor. |
| Denn nun ja, es hat zwei Hauptvorteile. Eine Möglichkeit wäre, sie später einfach auf der grafischen Benutzeroberfläche zu implementieren. Und zweitens: Wenn Sie einen Ausdruck haben, können Sie diesen mehrmals in Ihrem Code verwenden. |
| OK, also weiter mit der Demo-Simulation. Ich habe bereits erwähnt, dass wir über unterschiedliche Datenquellen verfügen. Und |
| Auf der einen Seite haben wir also Daten |
| In der Tat... |
| das ist tatsächlich in unserer Datenbank gespeichert. Und diese Datenbank wird enthalten |
| wahrscheinlich unterschiedliche Informationsquellen, wie das Gerät oder verschiedene Analysatoren. In diesem Fall sehen Sie eine Beispiel-Excel-Tabelle. |
| Dies nur zur Veranschaulichung. Diese Daten werden also tatsächlich direkt mit unserem JSL-Skript aus dem Data Warehouse übernommen. Daher betrachten wir diese Excel-Tabelle nicht als Suche. |
| Wir lassen die Software die Informationen aus dem Data Warehouse sammeln. Und was wahrscheinlich am wichtigsten ist, ist, dass diese Daten, wie Sie hier sehen, |
| kann wieder von verschiedenen Analysatoren stammen, und wir strukturieren irgendwie, dass die erste Spalte geteilte Namen enthält. In diesem Fall haben wir |
| einige Domainnamen erstellt. Aus Gründen der Vertraulichkeit werden Sie aber auch sehen, dass alle Beobachtungen in Reihen angeordnet sind. Jede einzelne Zeile ist also eine Beobachtung. |
| Und abhängig von der Art des Tests und der von uns verwendeten Einheit könnten wir davon ausgehen, dass wir insgesamt an einem Tag bis zu einer halben Million sammeln können |
| Datenpunkte an einem einzigen Tag. Das hängt natürlich vom Analysator ab, aber Sie werden sofort mit der Datenmenge konfrontiert, die Sie verarbeiten müssen, und erfahren, wie Ihnen ein JSL-Skript, das Sie bei der Verarbeitung von Informationen unterstützt, bei dieser Aktivität helfen kann. |
| Dann verwenden wir auch eine andere Excel-Datei. Und diese ist auch sehr wichtig, nämlich eine Eingabetabellendatei. |
| Und diese Dateien, insbesondere mit dem JSL-Skript, schaffen die Synergie, die es uns ermöglicht, Daten einfach zu verarbeiten. Was Sie in diesem Fall zum Beispiel sehen, ist eine Reaktorbeladungstabelle und wir sehen verschiedene Reaktoren mit unterschiedlichen Katalysatoren. Und diese Informationen scheinen... |
| ist nicht quantitativ, sondern der qualitative Wert ist wichtig. Und wenn wir dann zu einer zweiten Registerkarte wechseln und diese Schritte alle in unseren Projekten vordefiniert sind, |
| Wir sehen die Reaktionsfaktoren für die Analysatoren. Verschiedene Analysatoren haben unterschiedliche Reaktionsfaktoren und es ist wichtig, diese Informationen in die Berechnungen einzubeziehen, um quantitative Ergebnisse zu erhalten. |
| In diesem Fall haben wir beobachtet, dass die Bedingung, dass die Antwortfaktoren stattdessen auf die Bedingung ausgerichtet sind. |
| Dann haben wir eine Formel-Registerkarte. Und dies ist wahrscheinlich eine Schlüsselregisterkarte für unser Skript. In dieser Excel-Datei können Sie Formeln eingeben. Achten Sie darauf, dass die Variablennamen in eckige Klammern gesetzt werden. |
| Und die Formel: Sie können jede beliebige Formel in Excel verwenden. Jeder kann Excel verwenden; wir sind sehr daran gewöhnt. Wenn Sie hier also eine Formel eingeben, |
| dass folgt ??? Syntax in Excel, es wird von unserem JSL-Skript ausgeführt. Dann haben wir auch eine zusätzliche Funktion hinzugefügt, die wir für interessant hielten, nämlich Bedingungen zu haben. |
| Und damit das JSL-Skript diese Bedingung lesen kann, ist die einzige Voraussetzung, dass die Bedingungen in geschweifte Klammern eingeschlossen sind. |
| Ich möchte Ihnen noch zwei weitere Registerkarten zeigen, die von großer Relevanz sind. Eine davon ist die Registerkarte „Tabellen exportieren“ und der Grund, warum wir diese Tabelle haben, ist, weil |
| Wir generieren viele Spalten oder viele Variablen aus meiner Einheit, wahrscheinlich 500 Variablen. Doch eigentlich interessiert der Kunde nur 10, 20 oder 50 davon. Das sind diejenigen, die ihrer Forschung wirklich einen Mehrwert verleihen. Daher können wir diese Variablen hier und eingeben |
| Senden Sie es an den Kunden. Und zu guter Letzt denke ich, dass viele von uns schon einmal in der Situation waren, eine E-Mail an eine falsche Adresse zu senden, und das kann in diesem Fall tatsächlich beängstigend sein |
| über vertrauliche Informationen sprechen. Deshalb überprüfen wir die E-Mail-Adressen immer doppelt, dreifach, aber ist das wirklich notwendig? |
| Was wir hier also tun, ist, dass wir eine Excel-Datei haben, die alle manuellen Eingaben enthält, einschließlich der E-Mail-Adresse unserer Kunden. |
| Und diese E-Mail-Adressen sind festgelegt, so dass es keinen Raum für Fehler gibt. Immer wenn Sie das JSL-Skript ausgeführt haben, werden die richtigen E-Mail-Adressen gelesen und die E-Mail erstellt und diese werden wir in einer Minute sehen. |
| Kommen wir nun zum JSL-Skript. |
| Ich möchte Folgendes hervorheben. Das JSL-Skript befindet sich also zunächst in einer einzigen Datei in einem einzigen Ordner und das JSL-Skript benötigt zum Schreiben nur eine Excel-Datei, die verschiedene Registerkarten enthält, die wir gerade auf der vorherigen Folie gesehen haben |
| Sobald Sie das JSL-Skript öffnen, |
| Sie können auf die Schaltfläche „Skript ausführen“ klicken, um das zu öffnen |
| grafische Benutzeroberfläche, die Sie rechts sehen. Hier haben wir verschiedene Möglichkeiten. In diesem Fall möchten wir die Option hervorheben, mit der wir Daten von einem Projekt in diesem bestimmten Zeitraum abrufen. |
| Wir haben hier nur einen bestimmten Tag dieses Jahres ausgewählt und sehen dann verschiedene Schaltflächen, mit denen wir beispielsweise Updates erstellen können. |
| Sobald wir auf diese Schaltfläche geklickt haben, sehen Sie links neben dem Ordner, dass zwei Verzeichnisse erstellt wurden. Die Tatsache, dass wir diese Verzeichnisse automatisch erstellen, hilft uns, Harmonie zu schaffen oder die Struktur eines Ordners auch über unsere Projekte hinweg zu standardisieren. |
| Wenn Sie sich die Rohdaten der Datenbank ansehen, werden Sie feststellen, dass die beiden Dateien erstellt wurden. Einer enthält die Rohdaten, die direkt aus dem Data Warehouse stammen. |
| Und zweitens enthält die Datentabelle alle Zusammenführungsinformationen aus der Excel-Datei und verschiedenen Tabellen, die im Data Warehouse verfügbar sind. |
| Der Ordner mit den exportierten Dateien enthält derzeit nichts, da wir die Daten, die wir in unserer Einheit erstellt haben, nicht ausgewertet und bewertet haben |
| wertvoll für den Kunden. Wir machen das, wir sind, wir ??? Und Sie sehen hier, dass wir ein Diagramm der Reaktortemperatur gegenüber der Ortszeit erstellt haben. |
| Und es würden verschiedene Reaktoren eingezeichnet, so dass wir bis zu 64 in einer unserer Einheiten haben. Und in diesem Fall färben wir die Reaktoren je nach Standort auf der Einheit ein. |
| Eine weitere Registerkarte, die wir hier haben, befasst sich beispielhaft mit dem Druck. Und Sie sehen, dass Sie auch maximale Ziel- und Minimalwerte skripten und beispielsweise Warnungen definieren können, um zu sehen, ob der Wert abweicht. |
| Die letzte Tabelle, die ich zeigen möchte, ist eine Konvertierung und wir sehen hier verschiedene Konvertierungen, zusammengefasst nach Katalysator. |
| Sobald wir also auf die Schaltfläche „Exportieren“ klicken, sehen wir, dass unsere Datei an eine E-Mail angehängt ist und die E-Mail sie bereits enthält |
| Adressen...die E-Mail-Adressen, die wir verwenden möchten. Und ich möchte noch einmal hervorheben, wie wichtig es ist, die Informationen an die richtige Person zu senden. |
| Jetzt befindet sich dieser Datensatz tatsächlich im Ordner für exportierte Dateien, der vorher nicht vorhanden war. Und wir können immer verfolgen, welche Informationen exportiert und an den Kunden gesendet wurden. |
| Mit dieser E-Mail müssen Sie dann nur noch die Informationen ausfüllen. In diesem Fall handelt es sich also um einen sehr einfachen Test. Das ist also Ihr Datensatz, aber natürlich würden wir dem Kunden eine Interpretation geben oder ihm vielleicht einen Rat geben, wie er mit den Tests fortfahren soll. |
| Und wenn Sie alle diese Schritte abgeschlossen haben, schließen Sie natürlich die grafische Benutzeroberfläche und damit auch alle geöffneten Tabellen und das JSL-Skript. |
| Was ich an dieser Stelle hervorheben möchte, ist, dass dieser Workflow mithilfe eines JSL-Skripts ziemlich schnell ist. Was Sie also in diesem Moment gesehen haben, |
| Natürlich ist es etwas beschleunigt, weil es nur eine Demonstration ist, aber Sie verschwenden keine Zeit damit, nach Daten und verschiedenen Quellen zu suchen und zu versuchen, sie mit den richtigen Spalten zusammenzuführen. Alle diese Prozesse sind in einem einzigen Skript integriert und das ermöglicht uns |
| Sie berichten dem Kunden täglich |
| Datenmengen, die andernfalls nicht möglich wären. Und der Kunde kann tatsächlich sehr schnell datengesteuerte Entscheidungen treffen. Das ist wahrscheinlich der Schlüssel |
| Die Botschaft, die ich mit diesem Skript übermitteln möchte, die wir gerade sehen. |
| Nun, nun möchte ich die Präsentation mit einigen Schlussbemerkungen und einigen Schlussbemerkungen abschließen. |
| Und so haben wir einerseits einen unverwechselbaren Ansatz für die Datenverarbeitung und -verarbeitung entwickelt. Und wenn wir „unverwechselbar“ sagen, dann deshalb, weil wir eine Synergie zwischen einer Excel-Datei, die die meisten Menschen verwenden können, weil Sie mit Microsoft Office sehr vertraut sind, und einem JSL-Skript geschaffen haben |
| dessen Ausführung keine Anstrengung erfordert. Wenn Sie also auf „Ausführen“ klicken, erhalten Sie eine grafische Benutzeroberfläche und einige Schaltflächen zum Ausführen von Aufgaben. |
| Dann haben wir einen standardisierten Workflow. Und das ist auch dann von großer Bedeutung, wenn Sie mit mehreren Kunden arbeiten |
| auch aus praktischer Sicht. Wenn zum Beispiel einer meiner Kollegen in den Urlaub fährt, kann ein anderer Projektleiter, zum Beispiel für mich, das Projekt problemlos übernehmen |
| und wissen, dass alle Ordnerstrukturen gleich sind, dass alle Skripte gleich sind und die Schaltflächen die gleichen Aktionen ausführen. |
| Schließlich können wir auch...wir können eine nahtlose Integration von Daten und diese schnelle Aktualisierung von Informationen garantieren |
| Tausende oder sogar eine halbe Million Datenpunkte pro Tag können schnell an Kunden gesendet werden und ermöglichen ihnen dann, nahezu online datengesteuerte Entscheidungen zu treffen. |
| Letztendlich ist es unser Ziel, die Kundenzufriedenheit durch einen konsistenten, zuverlässigen und robusten Prozess zu maximieren. |
| Nun, hiermit möchte ich mich noch einmal bei den Organisatoren dieses Entdeckungsgipfels bedanken. |
| Natürlich an alle unsere Kollegen bei Avantium, die dies möglich gemacht haben, insbesondere an diejenigen, die intensiv an der Entwicklung dieser Skripte gearbeitet haben. Und wenn Sie neugierig auf unser Unternehmen oder unsere Arbeit im Bereich Katalyse sind, besuchen Sie bitte einen der Links, die Sie hier sehen. |
| Und damit möchte ich abschließen: Vielen Dank für Ihre Aufmerksamkeit. Und ja, wir freuen uns auf Ihre Fragen. |
